Random Planted Forest: a directly interpretable tree ensemble
Heidelberg University(海德堡大学);University of Copenhagen(哥本哈根大学)
提出random planted forest算法,通过保留分裂后的叶子节点构建非二叉树以估计低阶交互项,实现回归函数的可解释性,并在低交互界限下具备渐近最优收敛速率。
2023-08-03 cs.LG math.ST stat.ML
Algorithmic Decorrelation and Planted Clique in Dependent Random Graphs: The Case of Extra Triangles
研究依赖噪声对计算复杂度的影响,通过在带三角形的随机图与Erdős-Rényi图间建立平均情形归约,首次将依赖噪声转化为独立噪声,并基于对扰动的低敏感性提出新框架证明归约有效性。
2023-06-27 cs.CC cs.DM cs.IT
Strong recovery of geometric planted matchings
我们研究的问题,有效地恢复一个未标记的收集$n$点在$\mathbb{R}^d$和一个小的随机扰动这些点之间的匹配。我们考虑一个初始点是独立同分布的模型。标准高斯向量,通过添加i.i.d.具有方差$σ^2$的高斯向量。在这种情况下,最大似然估计(MLE)可以在多项式时间内找到线性分配问题的解。我们建立阈值$σ^2$的MLE完美地恢复种植匹配(没有错误),并强烈恢复种植匹配($o(n)$错误)的$d$常数和$d = d(n)$增长任意。这两个阈值之间,我们表明,MLE使$n^{δ+ o(1)}$错误的明确$δ\in (0, 1)$。这些结果扩展到几何设置最近的工作线恢复匹配种植在随机图与独立加权边缘。我们的证明技术依赖于仔细分析的组合结构的部分匹配在大型,弱相关的随机图使用的第一和第二时刻的方法。
2021-07-12 cs.DM cs.DS math.PR
Robust Detection of Planted Subgraphs in Semi-Random Models
School of Electrical Engineering and Computer Engineering, at Tel Aviv University(电气工程与计算机工程学院,特拉维夫大学)
研究半随机模型下植入子图检测问题,证明存在对抗者时强次对数密度子图检测在信息论上不可能,而对数以上密度子图统计极限不变,并设计了高效鲁棒检测算法。
2026-06-18 cs.CR cs.DS cs.IT
Does robustness imply tractability? A lower bound for planted clique in the semi-random model
Stanford University(斯坦福大学)
我们考虑一个强大的模拟种植集团问题。在这个类比中,选择一组顶点$S$,并包含$S$中的所有边;然后,$S$和图的其余部分之间的边以概率$\frac{1}{2}$包含在内,而不接触$S$的边允许任意变化。对于这个半随机模型,我们表明,信息理论的阈值恢复是$\tildeΘ(\sqrt{n})$,形成鲜明对比的经典信息理论的阈值$Θ(\log(n))$。这与经典种植集团问题的计算阈值相匹配,从而提出了一种有趣的可能性,即一旦我们要求鲁棒性,种植集团就没有计算统计差距。我们的下界涉及建立一个结果关于KL分歧的家庭扰动伯努利分布,这可能是独立的利益。
2018-09-04 cs.CC cs.IT cs.LG
The statistical threshold for planted matchings and spanning trees
McGill University(麦吉尔大学);University of British Columbia(不列颠哥伦比亚大学);Pompeu Fabra University(庞培法布拉大学);ICREA(加泰罗尼亚高级研究院);Barcelona Graduate School of Economics(巴塞罗那经济研究生院);Northwestern University(西北大学);Stanford University(斯坦福大学)
研究了在 Erdős--Rényi 随机图中检测 planted 完美匹配或生成树的统计阈值问题,证明了在不同 q 值下检测的可行性。
2026-02-07 math.ST stat.TH
Detection of Planted Solutions for Flat Satisfiability Problems
University of Cambridge(剑桥大学);University of Wisconsin, Madison(威斯康星大学麦迪逊分校)
我们研究了在随机情况下的平面可满足性问题,布尔可满足性公式的推广寻找种植解决方案的检测问题。我们描述的属性的随机情况下,平坦的可满足性,以及相关的假设检验问题的最佳检测率。我们还研究了算法有效的测试过程的性能。我们介绍了我们的模型的修改,光种植的解决方案,并表明,这是很难的学习奇偶噪声的问题。这强烈暗示了检测种植平坦可满足性对于广泛的测试类的困难。
2019-03-06 cs.CC cs.LG math.ST
Estimation and Recovery of a Planted Dense Subgraph from a Single Network Cascade
本文研究从单一传播过程推断稀疏随机图中植入稠密子图的问题,通过分析传播中的加速增长阶段,仅凭感染时间一致估计成分大小指数、背景边密度和内部边密度,并在观测顶点身份时实现稠密成分的一致恢复。
2026-10-07 math.PR math.ST stat.TH
Recovery of Planted Subgraphs
研究在Erdős–Rényi随机图中精确恢复任意种植子图Γ的阈值,引入最小最大子图密度刻画统计极限,并分析多项式时间算法的谱条件与计算下界。
2026-07-02 cs.IT math.IT math.PR
Hidden Clique Inference in Random Ising Model I: the planted random field Curie-Weiss model
本文研究植入随机场Curie-Weiss模型中隐$k$-团簇铁磁相关性的检验与恢复问题,建立了极小极大最优检测率与恢复率,揭示了7个检验相和3个精确恢复相,并为离散数据稀疏PCA提供了新理论视角。
2024-03-21 math.ST stat.TH
Planted Random Number Partitioning Problem
本文提出植入随机数划分问题,刻画其目标值结构,并利用多重重叠间隙性质证明满足反集中条件的稳定算法难以找到指数小目标值的划分。
2023-09-26 cs.CC cs.DS math.PR
Planted matching problems on random hypergraphs
研究了加权随机$k$ -超图中隐藏匹配的推断问题。我们假设超边的权值是随机的,并根据两个不同的密度分布,条件是它们是否属于隐藏匹配。我们表明,对于$k>2$和在大的图形大小的限制,算法的一阶过渡信号强度分离的制度,其中一个完整的恢复隐藏的匹配是可行的制度,其中部分恢复是可能的。这与已知跃迁是连续的$k=2$情况相反。最后,我们考虑的情况下,图的边缘和$3$ -hyperedges的混合物,插值之间的$k=2$和$k=3$的情况下,我们研究如何过渡的变化,从连续到一阶调整的相对数量的边缘和hyperedges。
2022-09-07 cond-mat.dis-nn cs.DM cs.IT
Cluster expansion of the log-likelihood ratio: Optimal detection of planted matchings
Georgia Institute of Technology(佐治亚理工学院)
本文通过聚类展开方法,解决了在随机图中检测隐含匹配的最优检测问题,揭示了统计学与计算之间的无差距,并证明了对数似然比的渐近正态性。
2025-12-16 cs.IT math.IT math.PR
Sharp Thresholds Imply Circuit Lower Bounds: from random 2-SAT to Planted Clique
该研究证明布尔函数尖锐阈值蕴含平均情形有界深度电路下界,给出逆命题,并在k-团、随机2-SAT、植入k-团等场景推导出新的指数级电路规模下界。
2024-07-16 cs.CC math.PR math.ST
Fundamental Limits of Query-Based Subgraph Detection
研究植入子图检测在信息受限(通过有限非自适应边查询)时的问题,推导查询复杂度的信息论下界与算法上界,所提算法利用三种结构机制,为几类植入图建立匹配界,推广了现有相关结果。
2026-07-21 cs.IT math.IT math.ST
Counting Stars is Constant-Degree Optimal For Detecting Any Planted Subgraph
本文研究任意植入子图检测问题的计算极限,证明在 p=Ω(1) 时,数星是最优的常数度多项式检测方法,且该类多项式仅能感知植入图的度分布。
2024-03-26 cs.CC cs.DS math.ST
Low-degree Security of the Planted Random Subgraph Problem
本文证明了直至$k\leq n^{1 - \Omega(1)}$范围内植入随机子图检测的低次困难性,改进了前人结果并扩展至超图,基于此构建了通信最优的多方PSM协议与更优份额大小的比特秘密共享方案。
2024-09-24 cs.CR cs.DS math.ST
Phase Transitions in Planted k-Factor Recovery
Northwestern University(西北大学);École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院);Duke University(杜克大学);Cornell University(康奈尔大学)
本文研究了在Erdos-Renyi随机图G(n,λ/n)中推断一个k-因子(即一个 spanning k-正则图)的问题,发现当平均度λ超过临界阈值1/k时,推断问题从几乎精确恢复过渡到部分恢复。此外,当λ趋向于无穷大时,恢复的准确性趋于零。我们还刻画了线性时间迭代修剪算法的恢复精度,并证明当λ<1/k时该算法可以实现几乎精确恢复。分析中的关键组件是两步循环构造:首先通过局部邻域探索构建树,然后通过保留边进行喷洒连接。有趣的是,在证明几乎精确恢复不可能时,我们构造了Θ(n)多个大小为Θ(1)的小树,而在建立算法下界时,一个大小为Θ(√(n log n))的大树就足够。
2026-06-03 math.PR math.ST stat.TH
Statistical-Computational Tradeoffs in Planted Problems and Submatrix Localization with a Growing Number of Clusters and Submatrices
我们考虑两个密切相关的问题:种植聚类和子矩阵本地化。种植聚类问题假设一个随机图是基于节点的一些底层聚类生成的;任务是在给定图的情况下恢复这些聚类。子矩阵局部化问题涉及到在一个大的实值随机矩阵中定位具有提升均值的隐藏子矩阵。特别令人感兴趣的是允许集群/子矩阵的数量随着问题大小无限增长的设置。这些公式涵盖了几个经典的模型,如种植集团,种植denatrium子图,种植分区,种植着色,和随机块模型,这些模型被广泛用于研究社区检测和聚类/双聚类。对于这两个问题,我们表明,空间的模型参数,(簇/子矩阵大小、簇密度和子矩阵平均值)可以被划分成四个不相交的区域,对应于降低的统计和计算复杂性:(1)\emph{impossible}区域,其中所有算法都失败;(2)\emph{hard}区域,其中计算昂贵的极大似然估计(MLE)成功;(3)\emph{easy}机制,其中多项式时间凸化的MLE成功;(4)\emph{simple}机制,其中简单的计数/阈值处理过程成功。此外,我们证明了这些算法中的每一个都在以前的更难的制度中失败。我们的定理建立了极大极小恢复极限,这是紧到常数,并与越来越多的集群/子矩阵,并提供了一个更强的性能保证比以前已知的多项式时间算法。我们的研究表明,统计和计算的考虑之间的权衡,并建议,极大极小恢复限制可能无法实现多项式时间算法。
2015-03-13 math.ST stat.ML stat.TH
Spectral recovery of a planted triangle-dense subgraph
School of Mathematics, Georgia Institute of Technology(佐治亚理工学院数学学院)
针对最坏情况计算困难的三角密集k子图问题,提出基于局部带符号三角计数的谱算法和半定规划,在Erdős-Rényi随机图中恢复种植的三角密集子图,并揭示统计-计算间隙。
2026-06-17 cs.DS math.PR math.ST
Detecting Arbitrary Planted Subgraphs in Random Graphs
Tel Aviv University(特拉维夫大学)
该研究针对随机图中任意植入子图的检测问题,刻画了不同区域下的信息论与计算阈值,证明了界的紧性并明确了相变条件,建立了该问题的通用理论。
2025-05-18 cs.IT cs.LG math.CO
Almost-Linear Planted Cliques Elude the Metropolis Process
Jerrum(1992)的一项开创性工作表明,大集团避开了大都会进程。更具体地说,Jerrum证明了Metropolis算法不能在多项式时间内找到一个大小为$k=Θ(n^α), α\in (0,1/2)$的团,该团被植入Erdens-Rényi随机图$G(n,1/2)$中。信息理论上有可能找到这样种植集团尽快$k \ge (2+ε) \log n$ .自从Jerrum的工作以来,在$G(n,1/2)$中找到种植集团的计算问题被广泛研究,并且许多多项式时间算法被证明可以找到种植集团,如果它的大小为$k = Ω(\sqrt{n})$,而没有多项式时间算法已知当$k=o(\sqrt{n})$时有效。值得注意的是,这个问题的算法难度的第一个证据通常归因于1992年Jerrum的结果。在本文中,我们重新审视原来的大都市算法建议由Jerrum。有趣的是,我们发现Metropolis算法实际上无法恢复任何恒定$0 \leq α< 1$的$k=Θ(n^α)$大小的种植集团。此外,我们加强杰鲁姆的结果在其他一些方面,包括:像许多结果在MCMC文献中,杰鲁姆的结果表明,存在一个起始状态(这可能取决于实例)的大都市算法失败。对于广泛的温度范围内,我们表明,该算法失败时,开始在最自然的初始状态,这是空团。这回答了Jerrum(1992)中提出的一个开放性问题。我们还表明,模拟回火版本的大都市算法,一个更复…
2022-04-05 cs.DS math.PR math.ST
Sharp thresholds in inference of planted subgraphs
研究Erdens-Rényi随机图的一个主要问题是了解它包含给定子图的概率。这项研究起源于Erdés和Rényi(1960)的经典工作。最近的工作研究了这个问题,建立了一个关于尖锐与粗糙转变的一般理论(Friedgut和Bourgain,1999; Hatami,2012),以及关于转变位置的结果(Kahn和Kalai,2007; Talagrand,2010; Frankston,Kahn,Narayanan,Park,2019; Park和Pham,2022)。在推理问题中,人们经常研究作为噪声量的函数的推理的最佳精度。在各种稀疏恢复问题中,已经观察到“全有或全无(AoN)现象”:非正式地,随着噪声量逐渐增加,在某个临界阈值处,推理问题经历了从接近完美恢复到接近零精度的急剧跳跃(Gamarnik和Zadik,2017; Reeves,Xu,Zadik,2021)。我们可以把AoN看作随机图中锐阈值现象的自然推理模拟。与随机图形属性的尖锐阈值的一般理论相比,AoN现象迄今为止只在特定的推理设置中进行了研究。在本文中,我们研究的一般问题,推断一个图$H=H_n$种植在一个Erdens-Rényi随机图,从而自然连接两条线的研究上述。我们发现,问题的AoN是密切相关的第一时刻阈值,并推广所谓的卡恩-卡莱期望阈值,扫描子图的$H$的边缘密度至少$q$。在各种设置中,我们表征AoN,通过…
2023-02-28 cs.DM cs.IT math.IT
The Fundamental Limits of Recovering Planted Subgraphs
本文研究植入子图恢复的最小均方误差基本极限,给出任意子图极限MMSE曲线的变分公式与多项式时间近似计算方法,并将结果推广到单调布尔性质恢复场景。
2025-03-19 cs.DM cs.IT math.CO
Correlation detection in trees for planted graph alignment
Inria(法国国家信息与自动化研究所);PSL Research University(巴黎文理研究大学);MSR-Inria Joint Centre(微软研究院-法国国家信息与自动化研究所联合中心)
本文通过树相关性检测问题研究稀疏随机图对齐,提出MPAlign算法并证明其在树检测可行时可在多项式时间内完成部分对齐,同时猜想树检测不可能时图对齐在多项式时间内不可行,从而揭示图对齐的困难相。
2022-12-05 cs.DS cs.LG math.PR
Inference of rankings planted in random tournaments
本文研究从随机竞赛图中推断隐藏排序的问题,确立了检测与恢复的计算统计阈值,发现检测-恢复差距,并提出达到最优性能的简单多项式与出度算法。
2024-07-23 cs.CC cs.DS math.CO
Reducibility and Statistical-Computational Gaps from Secret Leakage
Massachusetts Institute of Technology(麻省理工学院)
在现代统计学、计算机科学和统计物理学中,具有约束的计算间隙的推理问题是普遍存在的。虽然已经成功地证明了这些差距的失败,限制类的算法,进展到一个更传统的减少为基础的方法,计算复杂性的统计推断已受到限制。现有的减少在很大程度上被限制到推理问题与类似的结构-主要是映射问题表示为一个稀疏的子矩阵信号加上噪声矩阵,这是类似的常见的硬度假设种植集团。在这项工作中的见解是,种植集团猜想的轻微概括-秘密泄漏种植集团-引起了各种新的平均情况下减少技术,产生一个网络的减少之间的问题非常不同的结构。使用特定形式的秘密泄漏种植集团的种植集团猜想的变体,我们推导出各种问题的紧密计算-计算权衡,包括鲁棒稀疏均值估计,稀疏线性回归的混合,鲁棒稀疏线性回归,张量PCA,稠密$k$ -块随机块模型的变体,负相关稀疏PCA,半随机种植稠密子图,隐藏分区模型中的检测和学习稀疏混合的普适性原则。特别是,一个$k$ -partite超图变体的种植集团猜想是足以建立我们所有的计算下界。我们的技术还揭示了新的连接到组合设计和随机矩阵理论。这项工作给出了第一个证据,一套扩大的硬度假设,如秘密泄漏种植集团,可能是一个关键的第一步,更完整的理论减少统计问题。
2020-06-28 cs.CC cs.LG math.PR
Computational Lower Bounds for Community Detection on Random Graphs
研究了在大的Erdens-Rényi随机图$\mathcal{G}(N,q)$中存在一个小的稠密社区的检测问题,其中社区内的边概率超过$q$一个常数因子.假设种植集团检测问题的难度,我们证明了检测社区的计算复杂性表现出以下相变现象:随着图大小$N$增长并且图根据$q=N^{-α}$变得更稀疏,存在$α= \frac{2}{3}$的临界值,低于该临界值,存在计算密集的过程,其可以检测比任何计算高效的过程小得多的社区,并且在其之上线性时间过程是统计上最优的。这些结果也导致了恢复稠密社区和近似稠密$K$ -子图的平均情况硬度结果。
2015-03-11 cs.CC math.ST stat.ML
Planted Bipartite Graph Detection
Tel Aviv university(特拉维夫大学)
该研究针对随机图中隐藏植入二分子图的检测问题,刻画其统计与计算壁垒,推导稠密/稀疏情形下的信息论下界并设计匹配最优算法,还基于低度猜想证明多项式时间检验的计算下界以佐证统计-计算鸿沟。
2024-03-06 cs.DS cs.IT cs.LG
Optimal Spectral Recovery of a Planted Vector in a Subspace
在$\mathbb{R}^N$的$n$维随机子空间中恢复种植向量$v$是与机器学习和统计中的许多问题相关的通用任务,例如字典学习、子空间恢复、主成分分析和非高斯成分分析。在这项工作中,我们研究了计算效率的估计和检测种植矢量$v$的$\ell_4$规范不同的高斯矢量具有相同的$\ell_2$规范。例如,在$v$是具有Bernoulli-Gaussian或Bernoulli-Rademacher条目的$N ρ$稀疏向量的特殊情况下,我们的结果包括以下内容:(1)我们对Hopkins,Schramm,Shi和Steurer(2016)提出的谱方法的轻微变体进行了改进分析,表明它在$n ρ\ll \sqrt{N}$中以高概率近似恢复$v$。该条件包含了先前工作所需的条件$ρ\ll 1/\sqrt{n}$或$n \sqrtρ \lesssim \sqrt{N}$,直到多对数因子。我们实现了$\ell_\infty$误差界的频谱估计通过留一法分析,从它遵循一个简单的阈值处理程序,准确地恢复$v$与伯努利-Rademacher条目,即使在密集的情况下$ρ= 1$。(2)我们研究了相关的检测问题,并表明,在该制度$n ρ\gg \sqrt{N}$,任何光谱方法从一个大类(更一般地说,任何低次多项式的输入)未能检测到种植向量。这与恢复的条件相匹配,并且提供了以下证据:当$n ρ\gg \sqrt{N…
2022-10-13 cs.DS math.ST stat.ML
Weak recovery, hypothesis testing, and mutual information in stochastic block models and planted factor graphs
本研究证明稀疏随机块模型中弱恢复与检测任务除临界点外等价,给出检测不可行时的高效低次最优检验,还证明渐近互信息在弱恢复阈值处存在相变,且结果可推广至超图块模型与植入因子图。
2025-02-21 cs.IT cs.SI math.CO
Statistical Problems with Planted Structures: Information-Theoretical and Computational Limits
在过去的几年里,来自计算机科学、统计物理学和信息论的见解已经揭示了在两个不同的阈值处的大量高维统计问题中的相变:一个是信息论(IT)阈值,低于该阈值,观察太嘈杂,使得无论计算成本如何,都不可能推断出地面真值结构;另一个是计算阈值,在该计算阈值之上可以有效地执行推断,即,在时间上是输入大小的多项式。在中间状态下,推理在信息理论上是可能的,但在计算上是困难的。本文以社区检测和子矩阵检测为例,综述了确定尖锐IT和计算极限的常用技术。对于IT限制,我们讨论的工具,包括分析最大似然估计的第一和第二时刻的方法,信息理论的方法证明不可能的结果,使用互信息和率失真理论,和方法起源于统计物理学,如插值方法。为了研究计算限制,我们描述了一个共同的配方来构建一个随机多项式时间约简方案,该方案近似地将种植集团问题的实例映射到全变差距离中感兴趣的问题。
2018-08-12 cs.IT math.IT math.ST
Statistical inference of a ranked community in a directed graph
针对有向图中植入排序子图的检测与恢复问题,建立统计与计算阈值,确定对数密度设置下的精确指数阈值,并给出两种极端情况的细粒度结果,为该类排序社区推断提供理论基础。
2024-11-18 cs.CC cs.DS math.CO
Geometric planted matchings beyond the Gaussian model
UC Berkeley(加州大学伯克利分校);IMPA(巴西纯数学和应用数学研究所)
研究随机点集与其扰动点集之间未知匹配的恢复问题,利用随机几何图中的匹配推导极小极大下界,并证明最小化欧氏距离平方和的估计器在固定维度下达到最优,在高维条件下以高概率无差错。
2026-06-09 cs.DB cs.DM math.CO
Random Subgraph Detection Using Queries
Tel Aviv university(特拉维夫大学);University of California, San Diego(加利福尼亚大学圣迭戈分校);Google Research(谷歌研究院)
本文研究仅通过自适应边查询观察部分图时的植入稠密子图检测问题,确定了检测所需查询数的上下界,并提出了拟多项式最优算法和多项式时间算法。
2024-05-03 cs.DS cs.IT cs.LG
Universality of Computational Lower Bounds for Submatrix Detection
Massachusetts Institute of Technology(麻省理工学院);Tel-Aviv University(特拉维夫大学)
在一般的子矩阵检测问题中,任务是检测小$k \times k$子矩阵的存在,该小$k \times k$子矩阵具有从来自$\mathcal{Q}$的样本的$n \times n$矩阵中的分布$\mathcal{P}$采样的条目。这个公式包括了一些研究得很好的问题,如双聚类时,$\mathcal{P}$和$\mathcal{Q}$是高斯和种植稠密的子图公式的社区检测时,子矩阵是一个主子式和$\mathcal{P}$和$\mathcal{Q}$是伯努利随机变量。这些问题似乎都表现出一种普遍现象:在可以解决该任务的最小$k$和可以在多项式时间内解决该任务的最小$k$之间存在取决于$\mathcal{P}$和$\mathcal{Q}$的计算间隙。我们的主要结果是紧密的特点,这个计算障碍之间的权衡$k$和KL之间的分歧$\mathcal{P}$和$\mathcal{Q}$通过平均情况下减少种植集团猜想。这些计算下界保持了对$\mathcal{P}$和$\mathcal{Q}$的温和假设,这些假设自然产生于经典的二进制假设检验。我们的结果恢复并推广了Ma-Wu(2015)和Brennan et al.(2018)中高斯双聚类的种植集团下界以及Hajek et al.(2015)和Brennan et al.(2018)中种植稠密子图的稀疏和一般制度。这产生了第一个普遍性原则的计算下界通过平均情…
2019-06-01 cs.CC cs.LG math.PR
The planted matching problem: Sharp threshold and infinite-order phase transition
我们研究的问题,重建一个完美匹配的$M^*$隐藏在随机加权$n\times n$二部图。边集合以概率$d/n$独立地包括$M^*$中的每个节点对和不在$M^*$中的每个$n(n-1)$节点对。每个边$e$的权重独立地从分布$\mathcal{P}$(如果是$e \in M^*$)和$\mathcal{Q}$(如果是$e \notin M^*$)中提取。我们表明,如果$\sqrt{d} B(\mathcal{P},\mathcal{Q}) \le 1$,其中$B(\mathcal{P},\mathcal{Q})$代表巴塔查里亚系数,重建误差(平均分数的错误分类边缘)的最大似然估计$M^*$收敛到$0$作为$n\to \infty$。相反,如果$\sqrt{d} B(\mathcal{P},\mathcal{Q}) \ge 1+ε$对于任意小的常数$ε>0$,则在稀疏和密集模型下,任何估计量的重建误差都与$0$有界,解决了[Moharrami et al. 2019,Semerjian et al. 2020]中的猜想。此外,在具有$d=n$,$\mathcal{P}=\exp(λ)$和$\mathcal{Q}=\exp(1/n)$的完全指数加权图的特殊情况下,尖锐阈值简化为$λ=4$,我们证明了当$λ\le 4-ε$时,最佳重建误差为$\exp\left( - Θ(1/\sqrtε)…
2021-03-17 cs.IT math.CO math.IT
Testing for a Hidden Geometry in Random Graphs
School of Electrical & Computer Engineering at Tel Aviv University(特拉维夫大学电气与计算机工程学院)
研究在随机图中检测隐藏几何信号的问题,推导了检测不可能的信息论下界,并揭示了易-难-不可能相变。
2026-06-16 cs.IT math.IT math.PR
Inferring Hidden Structures in Random Graphs
Tel Aviv University(特拉维夫大学)
研究了在随机图中发现和恢复\emph{general}结构的孤立社区的两个推理问题。检测问题被形式化为假设检验问题,其中在零假设下,图是具有边密度$q\in(0,1)$的Erdens-Rényi随机图$\mathcal{G}(n,q)$的实现;在替代方案下,在$k$节点上存在未知结构$Γ_k$,种植在$\mathcal{G}(n,q)$中,使得它表现为\emph{induced subgraph}。在成功检测的情况下,我们关心的是恢复相应结构的任务。对于这些问题,我们调查的基本限制从统计和计算的角度。具体来说,我们根据参数$(n,k,q)$以及$Γ_k$的某些属性推导出检测/恢复结构$Γ_k$的下限,并展示了实现这些下限的计算无界最佳算法。我们还考虑了多项式时间的测试问题。在许多类似的结构化高维问题中,我们的模型经历了一个“容易-困难-不可能”的相变,计算约束会严重影响统计性能。为了提供这种现象的证据,我们表明,类的低次多项式算法匹配的多项式时间算法,我们开发的统计性能。
2022-01-23 cs.DS cs.IT cs.LG
Improved polynomial-time algorithms for detecting and recovering planted $Θ(\sqrt{n})$-cliques
Johns Hopkins University(约翰斯·霍普金斯大学)
本文针对植入团问题,利用颜色编码和矩阵乘法,提出改进的多项式时间算法,在更小的团大小阈值下实现检测与恢复,达到运行时间与信号强度的最佳权衡。
2026-09-22 cs.DS math.ST stat.TH
Improved Sum-of-Squares Lower Bounds for Hidden Clique and Hidden Submatrix Problems
给定一个大的数据矩阵$A\in\mathbb{R}^{n\times n}$,我们考虑确定其元素是否独立同分布的问题。具有某种已知的边际分布$A_{ij}\sim P_0$,或者$A$包含其条目具有边际分布$A_{ij}\sim P_1\neq P_0$的主子矩阵$A_{{\sf Q},{\sf Q}}$。作为一种特殊情况,隐藏(或种植)团问题需要在一个均匀随机图中找到一个种植团。假设无限的计算资源,这个假设检验问题是统计上可解的$|{\sf Q}|\ge C \log n$为一个合适的常数$C$。然而,尽管付出了大量努力,但当$|{\sf Q}| = o(\sqrt{n})$时,没有已知的多项式时间算法以高概率成功。最近Meka和Wigderson \cite{meka2013association}提出了一种在平方和(SOS)半定族中建立下界的方法.在这里我们考虑度- $4$ SOS松弛,并研究\cite{meka2013association}的构造,证明SOS失败,除非$k\ge C\, n^{1/3}/\log n$。巴拉克提出的一个论点意味着,除非在证明中改变证明结构,否则这个下界不能得到实质性的改进。我们的证明使用矩的方法来绑定某个随机结合方案的谱,即一个对称随机矩阵,其行和列由Erdös-Renyi随机图的边索引。
2015-02-23 cs.CC cs.IT math.IT
Aligning Embeddings and Geometric Random Graphs: Informational Results and Computational Approaches for the Procrustes-Wasserstein Problem
DI ENS(巴黎高等师范学院计算科学系);PSL University(巴黎文理研究大学);Inria Paris(法国国家信息与自动化研究所巴黎分部);Université Paris-Saclay(巴黎萨克雷大学);LMO(奥赛数学实验室);MSR-Inria Joint Centre(微软研究院-法国国家信息与自动化研究所联合中心)
本文研究Procrustes-Wasserstein问题,提出Ping-Pong算法,通过交替估计正交变换和重标记来对齐高维点云,并给出信息论界限和实验验证。
2024-05-23 cs.LG math.ST stat.ML